论文部分内容阅读
针对基于基因表达式编程的K均值聚类算法（GEP_K均值）中聚类中心生成和适应度评价环节的计算效率较低的问题，提出一种基于MapReduce框架的GEP_K均值聚类算法。采用MapReduce分布式并行编程模式，对适应度评价环节进行并行化改进，以减少算法处理时间，借助线性数据结构直接操作染色体基因，以降低染色体基因表达求解生成聚类中心的时间和空间复杂度，并在Hadoop平台上通过仿真实验对算法的性能进行验证。实验结果表明，该算法获得了较好的加速比和可扩展性，且无需额外空间开销，适用于聚类数未知的大规模数据集